- Learn
- See
- Try
- Make
মূল্যায়নে সম্পূৰ্ণ চক্ৰ বন্ধ হয়
What this lesson is about
ধৰি ৰখা কামবোৰ ব্যৱহাৰ কৰক — যিবোৰত মডেলটোৱে কেতিয়াও প্ৰশিক্ষণ নলয় — আৰু স্পষ্ট মানদণ্ড। পৰিৱৰ্তনে সহায় কৰিছে নে নতুন বিফলতা সৃষ্টি কৰিছে চাওক।
আপোনাৰ দলৰ বাবে পৰিৱৰ্তন পৰীক্ষা কৰিবলৈ বিশটা প্ৰশ্নৰ প্ৰয়োজন, আৰু যোৱা মাহৰ প্ৰশিক্ষণ ফাইলটো স্ক্ৰীনত খোলা আছে। আপুনি কি কৰিব?
Why this matters
এটা পৰিৱৰ্তনে এটা স্ক'ৰ উন্নত কৰিব পাৰে কিন্তু সঠিকতা, সুৰক্ষা বা এটা ব্যৱহাৰকাৰী গোটৰ বাবে বেয়া কৰিব পাৰে। সেয়ে আপুনি ধৰি ৰখা ছেটত পৰীক্ষা কৰে — যিবোৰ কামত মডেলটো কেতিয়াও নিৰ্মাণ কৰা হোৱা নাছিল। আৰু আপুনি হ্ৰাস বিচাৰে — যি কাম আগতে চলিছিল এতিয়া বিফল হয়।
Read the primary or official source: OpenAI HealthBench